Analise de dados: AdaBoost

5-tratamentodedados/opcoes/AdaBoost.md

@@ -0,0 +1,31 @@
+# AdaBoost
+
+- Tipo de aprendizado: Supervisionado
+- Subcategoria: Classificação
+- Autoria: Yoav Freund e Robert Schapire
+
+## Descrição
+
+### Onde é usado (tecnicamente)
+
+Utilizado para classificações, principalmente em casos onde amostras contém muitas variáveis. Pode ser usado com outros algoritmos, melhorando a performance.
+
+### Como é utilizado
+
+Um conjunto de treinamento é usado para gerar uma floresta de árvores de decisão curtas, que geralmente só usam uma viariável. Essas árvores, que são considerados "classificadores ruins", recebem pesos diferentes para a importância da classificação final. Cada nova árvore gerada leva em consideração o erro da árvore anterior.
+
+![Cada clasisficador recebe um peso, de acordo com o anterior[2]](imgs/adaboost.png)
+
+### Exemplos de caso de uso
+
+Detecção de pedestres, detecção de rostos[3], detecção de microcalcificações em cancer de mama[4].
+
+## Referências
+
+[1. What is AdaBoost Algorithm – Model, Prediction, Data Preparation](https://data-flair.training/blogs/adaboost-algorithm/)
+
+[2. AdaBoost, Clearly Explained](https://www.youtube.com/watch?v=LsK-xG1cLYA&app=desktop)
+
+[3. Boosting: Algorithms and Application](http://users.cecs.anu.edu.au/~wanglei/SPR_course/boosting.pdf)
+
+[4. ANN and Adaboost application for automatic detection ofmicrocalcifications in breast cancer](https://reader.elsevier.com/reader/sd/pii/S0378603X16301668?token=5416CCA3E5CD2754CFD6A50DB583C102F0E79273CE3F18BBD6150F456AFC76F18BFACDBF7163602CEC0035F0CF400A7B)